Сколько стоит курс «Современное компьютерное зрение»?

Стоимость курса составляет 10000.00 рублей

Сколько времени занимает прохождение курса «Современное компьютерное зрение»?

Прохождение курса «Современное компьютерное зрение» занимает примерно 20 часов.

Какой рейтинг у курса «Современное компьютерное зрение»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 187 учеников.

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 12 учеников получили сертификат (6.4% завершаемость).

Где можно пройти курс «Современное компьютерное зрение»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/223852.

Курс на Stepik

Обложка курса «Современное компьютерное зрение» на Stepik

10 000 ₽

Современное компьютерное зрение ★ 0.000

Name: Современное компьютерное зрение
Price: 10000.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Курс посвящен основам глубинного обучения в области Computer Vision (CV). В курсе мы начнем с азов компьютерного зрения, а затем затронем актуальные задачи CV и посмотрим на устройство популярных решений.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	187
Сертификатов выдано	12
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	46
Количество квизов	87
Количество задач с кодом	4
Время прохождения курса	20 ч.	—
Стоимость курса	10 000 ₽	—
Обновления курса	—	—
Дата публикации курса	1.5 года назад	—	—	—	—
Последнее обновление	2 февраля 2026	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «Современное компьютерное зрение»

10 разделов Уроки в курсе «Современное компьютерное зрение»

46 уроков Тесты в курсе «Современное компьютерное зрение»

87 тестов Задачи в курсе «Современное компьютерное зрение»

4 задачи Время прохождения курса «Современное компьютерное зрение»

20 ч.

обн. 2 февраля 2026

О курсе

3 урока

1. О курсе ↗

2. Тест по Deep Learning ↗

3. Тест по PyTorch ↗

Классические методы Computer Vision

8 уроков

1. Основы обработки изображений: фильтры и свертки ↗

2. Операторы градиента: Лаплас, Собель, Канни ↗

3. Бинаризация и трешхолдинг (Otsu, адаптивный порог) ↗

4. Методы выделения признаков: SIFT и другие ↗

5. HOG: гистограммы направленных градиентов ↗

6. Поиск и сопоставление ключевых точек ↗

7. Преобразование Хафа и обнаружение геометрических фигур ↗

8. Пространственные преобразования: аффинные и перспективные ↗

CNN и первые архитектуры

6 уроков

1. Основы сверточных нейронных сетей: ядра, фильтры, пуллинги ↗

2. Архитектура LeNet: первые шаги в CV с использованием CNN ↗

3. AlexNet: особенности и влияние на развитие глубокого обучения ↗

4. VGG: глубокие сети с фиксированными свертками ↗

5. ResNet: идея резидуальных связей для решения проблемы исчезающих ↗

6. Домашнее задание ↗

Современные архитектуры CV

5 уроков

1. ViT (Vision Transformer): альтернатива CNN ↗

2. MobileNet: легковесные модели для мобильных устройств ↗

3. EfficientNet и EfficientNetV2: масштабируемость и оптимизация ↗

4. Практика: аугментации и MBConv ↗

5. Домашнее задание ↗

Детекция

6 уроков

1. Основы задачи детекции и Non-Maximum Suppression ↗

2. RCNN: архитектура и эволюция (Fast RCNN, Faster RCNN) ↗

3. YOLOv1 ↗

4. Современные подходы к детекции: YOLO11 и более новые версии ↗

5. Детекция на практике ↗

6. Домашнее задание ↗

Сегментация

7 уроков

1. Задача сегментации ↗

2. U-Net: идея и применение в медицинских изображениях ↗

3. Deeplab и его разновидности: адаптация к различным уровням разре ↗

4. Mask R-CNN: объединение детекции и сегментации ↗

5. Segment Anything Model (SAM): универсальная модель сегментации ↗

6. Практика по сегментации ↗

7. Домашнее задание (тестирование) ↗

Трекинг и работа с видеопотоками

6 уроков

1. Задача трекинга и оценивание качества трекинга ↗

2. Алгоритм трекинга ↗

3. Работа с видеопотоками. FFMpeg: чтение, запись, сжатие видео ↗

4. Gstreamer: организация сложных видео- и аудиопайплайнов ↗

5. Практика: захват видео с камер в реальном времени ↗

6. Тест по последнему занятию ↗

Итоговый проект курса

1 урок

1. Итоговый проект курса ↗

Дополнительно: библиотека OpenCV

1 урок

1. Установка библиотеки. Загрузка и вывод изображений ↗

Дополнительно: фреймворк FastAPI

3 урока

1. Аннотации типов в Python ↗

2. Практика с FastAPI ↗

3. Библиотека Pydantic ↗